《照片集的色彩一致优化性》由会员分享，可在线阅读，更多相关《照片集的色彩一致优化性（12页珍藏版）》请在金锄头文库上搜索。
1、照片集的色彩一致优化性Yoav HaCohen Eli Shechtman Dan B Goldman Dani LischinskiHebrew University Adobe Research Adobe Research Hebrew University图 1.通过本文方法编辑照片集。 第一行：具有不一致外观的输入图像。 红色箭头表示被检测到具有共享内容的图像。第二行：自动感应一致的外观。 第三排：用户执行传播完成后调整最左边的照片。 第四排：做一个调整传播。 摘要在今天的数码照片相册中往往保存有几十张甚至数百张照片，编辑整张专辑是一个艰巨的任务。现有的个人照片自动编辑工具不能确保具
2、有共享内容的照片之间外观的一致性。在本文中，我们提出了一种编辑相片的新方法。我们的方法自动编辑具有共享内容的照片，而无需用户输入的图像外观一致。当用户更改所选的影像，这些变化会自动传播到集合中的其他图像，同时尽可能多的保持一致性。这使得它可以通过交互操作几个图像以一致的方式调整整个相册。我们的工作方法是通过构建一个有效地图形与照片的共享内容进行连接。在整个图形中所连接照片的一致外观是由全局优化的二次代价函数实现，用户通过处理指定的编辑操作如优化约束来实现这一功能。快速的优化方法实现可以提供交互式可视化反馈给用户。为了证明我们方法的实用性我们采用了多项个人和专家的照片集以及互联网上的集合。1.介
3、绍现在拍摄数码照片是十分简单的事情，对于我们的研究来说这即是一个机遇，也是一个挑战。我们捕捉来自多个摄像机的几十到几百个图像。在一个单一的事件中，这些影像可以清楚地受益于调整色彩和对比度，但几乎没有一个自动增强工具能手动调节每张照片。他们只是在每个图像上独立运行，而不确保描绘同一主题或场景的照片之间的外观一致性。在个人相册中照片的不一致外观可能会在光照条件下有所改变，不同的相机设置，不同的相机，会使这些矛盾变得更加明显。专业摄影师可以通过控制灯光, 拍摄与仔细校准, 手动调整相机设置,并使用暗房后期处理来避免这些问题。然而,这些解决方案需要专业设备、技巧、大量的时间和大量的相册。在本文中,我们
4、提出一个用于在典型的真实个人相册中自动保证颜色一致性的新方法,，其中的照片描绘了一些常见的内容，但可能会有不同的颜色，照明条件，观点和非刚性的几何方式形成的色彩一致性对象。我们的方法可以用于调整图像一致外观而无需用户进行其他操作。如果用户选择调整颜色或色调一致的照片，我们的方法会自动传播这些外观并更改其他具有相同内容的照片。在这个过程中，我们试图在实现色彩的一致性和维护动态范围和个人照片自然外观之间取得平衡。我们的方法利用交互式会话使照片快速显示。图.1 执行一致性将原始图像顶行中那些图片在第二行中显示。其次，调整最左边的照片并将其基准瞬间设置为传播红色，在第三排照片中照片的共享内容受参考光的
5、影响。最后，调整第六排照片基准瞬间传播绿色，把青色传播到第三排中的其他照片 。但最左边的参考图像仍然受到限制，从而在左侧的图像中几乎不变，因为它们受到参考光的影响我们的方法利用最近的事态发展在密集的通讯和转移之间的寻找真实的照片颜色。HaCohen 等人. 2011 为了扩展这种方法来优化相册，我们构建中的照片是由节点表示和共享内容由边所代表的匹配图组成。在每个边缘分配的基础上，调整2张照片和对应的质量之间的对应区域权重大小。照片之间外观的一致性是通过最小化在整个图形中的二次成本函数实现。一些正则项和约束对跨越照片色彩的一致性之间的平衡进行了介绍， 保存每张照片的动态范围，并从原来的外观限制偏
6、差。使系统可以解决没有用户限制的问题。成本函数可以有效地在每次调整任何一个相册中的照片后重新优化，从而在整个专辑传播编辑，并以交互速率提供视觉反馈。2.相关工作2.1 自动增强许多工具都有自动增强照片功能。例如，基本的对比度增强可以通过直方图均衡化来实现，或者通过拉伸色调范围(如。Adobe Photoshop,汽车水平的工具) 。自动白平衡通常是通过对现场的一些假设可以达到（例如，灰色世界，白补丁和灰色边缘(例如, in Apples Aperture)） ，或使用肤色模型（例如，在苹果光） 。尽管一些工具简单，但他们往往很有效，它们是在利用一些流行的商业软件包，和其他增强功能预置的数组。然
7、而，这些工具在每个图像上独立操作，并且一般情况下，不会导致传播外观的一致。许多研究人员研究图像之间的色彩传递问题。例如2001Reinhard等人; 2007 Piti等人; 2009Kaegarlitsky等人; 2010 An和 Pellacini ; 2012Oskam等人;2011HaCohen等人。然而，这些方法只考虑在同一时间的图像，并没有自然延伸跨越一组图像实现一致的外观。在这项工作中我们感兴趣的是传播来自多个源的照片颜色到多个目标照片（其中任何图像可以作为源或作为目标） ，和实现在整个照片集中一致的外观。Snavely等人 2008外观表现稳定的几何排列静态场景（如，古迹或建筑
8、外立面）通过累积连续照片之间的仿射颜色变换矩阵短期照片序列。 Farbman和Lischinski 2011报告错误积累阻止这种做法从扩展到视频帧的长序列，并建议计算颜色的差异首先使用近似的对应，然后在颜色空间内插入非参数方法。这些方法支持一次性调整整个相册，也支持用户微调单独的照片，用户不用考虑图像之间共享内容，也不用确保外观的一致性。用户可能想用不同的方式不同的内容编辑专辑的子集（如演示图1 ） ，这可能不符合统一的学习风格。此外，他们的方法侧重于亮度的调整，并没有应用到更一般的颜色处理。2.2 外观传播商业软件包如Adobe Photoshop Lightroom和苹果光提供了一个粘贴复
9、制做编辑的选项（应用）给任何选取的影像。然而，直接复制和编辑的粘贴并未考虑图像内容，因此，它不能确保一致性，常常导致在外观上发生不希望的变化，这表现在图2中。 （Laffont等人。 2012 描述了从一个照片集计算内在图像的方法） 。以这种方式分解的图像能够提供多种功能强大的编辑应用程序。然而这种方法执行场景中的点和法线的三维重建时需要许多相同的静态场景的图像。我们的方法可以被看作是正交的他们，因为我们的目标是进行简单的外观操作，但在更广泛的照片收藏中也解决了auto-umatic从一个图像编辑转让到其他相同物体或场景图像的问题。然而,他们的编辑只包括绘画和删除细节图片,而不是调整全部的外表
10、,他们不考虑编辑的间接传播。非刚性密集的对应关系（ NRDC ）2011。是目前找到相应的区域的最先进的方法，而且包含有两张内容相同照片之间的色彩转移方法。这种方法可以处理在非刚性变形和颜色的变化时产生的共享内容，并计算图像之间的颜色参数传递模型。在本文中，我们将这个方法延伸到多个照片中同时采取相互交互方法，从而在整个无序集合与非刚性共享内容间执行一致的外观传输。如前面所述，本方法可用于调整照片内容到集合的其余部分，包括与那些正在编辑的图像共享。传播方面连接的部件即改变图像的影响使它们更类似于其他图像。就我们所知，这是传播多种无序的照片与这种非刚性含量之间的外观特征方式的第一种方法。图2：我们
11、的方法与中心复制和编辑的粘贴的差别。第一行：我们输入的照片与微妙的外观差异。第二行：用第三张照片作为参考的原貌还原外观不一致。第三行：用我们的方法从第三张照片传播编辑照片的其余部分。第四排：从第三张照片复制到其余图片（已完成，例如，通过Adobe的Lightroom的同步设置功能） 。摄影Tawny Horton. 型号l: Jayme Jaynes.2.3 照片集中的图像匹配图像匹配曲线已被用在许多应用中，如3D渲染，照片导航，基于内容的检索，图像聚类和标签传播。通常，这些方法依赖于基于稀疏局部特征匹配和RANSAC静态场景中的三维重建后约束调整，将所有的照片放在一个共同的坐标系，并进行异常
12、排斥 Snavely等人。2006 ; Agarwal等人。2009 。当要匹配的照片的数量较大时，计算所有可能的准确匹配需要付出很大的代价。因此，轻量链路预测机制用来筛选可能产生的匹配是有意义的，显著减少曲线施工时间在一个局部图形的边缘覆盖的费用弗拉姆等。 2010;Kim等人。2012 。但是，这些方法是针对静态内容（例如，地标，建筑物）并忽略非刚性物体。相比之下，我们的方法针对个人写真集中突出的非刚性物体 如人、可支配性的物体，因此不能忽视。采用前面所述的技术（稀疏局部特征匹配后束调整）只能够匹配静态的背景，因而不足以满足我们的需要。自然资源保护是一种统一的机制匹配和异常排斥。它产生一个
13、对应信心地图（对于异常值拒绝）的密逐像素，并且能够根据非刚性几何变换和各种外观差异匹配的内容。脸部标记可以很容易地被采用，以帮助NRDC 在匹配相同的人的面孔。我们的系统也依赖于灵感 Agarwal 等人的链接预测机制2009 。然而这是必要的步骤，以使其适应我们的设置，主要有以下几个原因。首先，没有节点是多余的，因为我们要调整所有图像。第二，我们的目标是一台个人电脑，而不是数百个内核。第三，全球视觉描述符链路预测在我们的例子中是不够的，因为它们不捕获非刚性。在另一方面，基于脸部和时间戳的描述对于个人专辑是非常有效的，但与一般网络集合不太相关。最近的一些方法巴恩斯 2011 ; FAKTOR
14、和伊拉尼 2012 ;古尔德和张 2012PatchMatch 算法巴恩斯等人。 2009在收集了大量的照片补丁对应的最近邻域后发现：虽然他们的理论是接近照片的数量为线性，但他们在实践中很慢，因为缺少链接预测机制。此外，修补匹配所得到的最近数据往往不能提供足够精确和可靠的对应 HaCohen 等。 2011 。这就是为什么这些方法通常适用于计算机视觉应用，如标签的传播古尔德和张 2012和类别监督发现一个相对较低的分辨率 FAKTOR 和伊拉尼2012。在这项工作中，我们提出一个有效的链接预测机制，在个人相册图片以 NRDC 为基础的匹配。3.综述给定一个照片集，我们的目标是确保跨多张照片收集
15、的共享内容的外观一致（类似的色彩和曝光），并作为用户对所选图像的交互式的调整，以保持这种一致性。为了实现这一目标，我们作了一个预处理步骤，我们构造一个匹配图 G = V，E ，其顶点 V = Ii n 表示在灵敏度 I = 1 的照片集合中，其边缘 E 包含有关信息照片对之间的对应。通过这张图我们尽量减少二次成本函数，匹配区域之间的颜色差异。成本函数和优化在第4点中进行了详细描述。优化过的整场比赛图使得它可以确保一致的外观，甚至不直接共享照片的任何内容。因此，我们支持框架的间接传播，并以一个单一的形象做编辑。在原则上，传播到整个集合。计算完全匹配曲线的带价是昂贵的，因为每个边缘涉及到计算一对图
16、像之间的致密对应。然而，因为我们使用间接传播，它构建完整的边集合仅需要一个稀疏子集;只有边缘连接的图像共享大量内容。为此，我们强化基于SVM分类器的快速预测其对图像可能出现的显著对应，导致大幅减少比赛图施工时间，减少的照片数量是线性精确计算对应的数量。第五节我们对所得链路预测策略进行了更详细描述。3.1 外观一致性优化为了实现在一个集合匹配多张照片，我们试图求取潜在的矛盾，目标之间的平衡一致的外观： （ i）确保像素描绘了相同的内容不同的图像有相同的颜色; （）避免难看的视觉假象，如梯度反转或对比严重损失;（iii）试图保持每张照片的原始动态范围。这是一个不简单的任务：例如，调整两张照片的不同曝光设置可能会在一张照片中降低动态范围产生不同像素的外观。我们的做法是寻求一套专用的颜色转换连接（每一个图像Ii ） ，这样得到的变换图像符合我们的外观一致性的要求。这是通过求解以下优
